Exit les simples réponses de chatbot. Place aux agents autonomes, capables d’orchestrer des flottes spécialisées pour résoudre des problèmes complexes. C’est ce qu’on appelle l’IA agentique. Ce type de modèle se caractérise par la présence d’un agent maître supervisant plusieurs agents secondaires, chacun conçu pour une tâche spécifique. Comme dans une chaîne de production de voitures !
L’agent maître orchestre l’exécution de sous-tâches et collecte les résultats produits par les agents pour mener à bien une mission globale. Cette structure permet d’aborder des cas d’usage plus sophistiqués que ceux traitables par un simple chatbot d’IA générative (comme Claude, ChatGPT, etc.) qui incarne la créativité : résumer, imaginer, synthétiser.
À l’inverse, les IA non génératives – apprentissage automatique, prédiction, automatisation – prennent des décisions rationnelles. C’est dans leur fusion que naît l’agentivité : une IA qui réfléchit, propose, agit… et parfois même anticipe.
L’IA agentique ne résoudra pas tous les défis de demain. Mais pour certains usages – gestion de sinistres, exploration documentaire, optimisation financière –, elle peut être très efficace. Dans la finance, des plateformes comme Bud Financial exploitent l’agentivité pour automatiser la découverte de données transactionnelles et fournir des recommandations de placement ou de gestion de trésorerie.
Le véritable levier résidera dans la capacité à orchestrer les agents, à maîtriser les modèles de raisonnement et à sécuriser les flux de données.
Car, pour l’instant, la mariée est encore trop belle ! Si 57 % des entreprises interrogées par Cloudera ont initié des projets agentiques, seuls 37 % les ont trouvés intégrables facilement. Les obstacles ? Confidentialité des données, difficulté technique, coûts élevés.
Pour la relation client, PegaSystems (une entreprise informatique américaine spécialisée dans les applications de gestion de la relation client) a développé Iris. Cet agent interne traite jusqu’à 1 500 emails par jour en s’appuyant sur des bases de connaissances internes et externes.
Ces systèmes sont configurés pour expliquer leur raisonnement, tout en étant limités dans leurs actions afin de maîtriser les risques opérationnels.
Freins et défis à l’adoption
Le principal obstacle demeure l’intégration des agents d’IA dans les processus existants, jugée extrêmement difficile. De nombreuses entreprises considèrent que l’IA agentique est encore au stade de la R&D.
Une autre crainte commence sérieusement à inquiéter des experts. Et si l’IA agentique était exploitée pour mener des cyberattaques ? C’est la question qu’a posée Meredith Whittaker, présidente de Signal (une messagerie chiffrée), au sommet AI for Good en juin.
Pour fonctionner de manière autonome, ces agents exigent un accès « admin » au système d’information des entreprises. De quoi remettre en cause les bonnes pratiques de cybersécurité, car cela peut créer des portes dérobées (ou backdoor) vers des données sensibles.
Spotify, par exemple, risquerait de voir ses algorithmes et ses données propriétaires exposés si un agent crée et partage automatiquement des playlists !
L’IA agentique ne révolutionnera pas tous les secteurs du jour au lendemain, mais elle offre déjà des gains d’efficacité notables pour des cas d’usage ciblés. À l’avenir, l’enjeu sera d’étendre ces capacités tout en garantissant la confiance, la sécurité et la maîtrise budgétaire. Car l’IA est, et doit rester, un outil que l’on peut contrôler !
Dans l'actualité
- L’intelligence artificielle, un outil d’évolution pour les industries du futur
- Comprendre les enjeux d’un Système de Management de l’Intelligence Artificielle (SMIA)
- L’intelligence artificielle : un outil à double tranchant pour les ingénieurs
- L’intelligence artificielle pilier de l’usine du futur
- L’intelligence artificielle peut-elle remplacer Google ?
- Les tendances majeures de l’intelligence artificielle pour les ingénieurs en 2024
- SIDO & Lyon Cyber Expo 2025 : transformation & sécurité numérique
- RELIEF : un assistant IA de chiffrage qui aide les industriels à passer du cahier des charges au devis
- Un usinage plus durable grâce à l’IA et la data
- Romain Postoyan : « Simplifier la variabilité des mécanismes grâce à l’automatique »
- Écologie et santé, deux secteurs majeurs du marché du travail
- De l’exploit technique à l’éthique : l’IA face à ses frontières
- L’IA est-elle créatrice ou destructrice d’emplois ?
Dans les ressources documentaires
- Introduction à l’intelligence artificielle
- Intelligence artificielle et innovation - Définitions et principes
- Social engineering et sécurité du système d’information - De la nécessité de la prévention
- Utilisation d’un agent virtuel pour l’accueil des visiteurs en office de tourisme
- Simulation numérique et apprentissage machine - Apports de l’intelligence artificielle aux modélisations